供应链数据分析不会做？经典5大指标体系和分析工具打包送给你！

那时专门针对给我们谈谈物流配送数据挖掘，包涵5大关键分项管理体系和预测辅助工具，尽是蔬果！

物流配送的形成主要包括分销商、生产商、代理商分销商和顾客五绝大部分，具体内容的物流配送业务流程如下表所示：

那若想搞好物流配送预测，直接影响民营企业净利润水准。换言之：物流配送做不太好，别想挣钱。

上面带我们从订货、制造、物流配送、产品销售、货物运输这四个股，构筑物流配送分项预测管理体系。

1、订货管理工作分项

2、制造管理工作分项

3、产品销售管理工作分项

4、物流配送管理工作分项

5、货物运输管理工作分项

一般来说，数据挖掘会用基本的Excel数据透视表，图表可视化等基本操作即可。如果你想做一些进阶的数据挖掘，不能spss、Python之类的，那可以把BI辅助工具用起来，一个是可以进行大数据挖掘，第二个是上手难度小。

上面用FineBI给我们介绍一下，BI功能的一些功能，我们在预测物流配送数据的时候可以试一试。

1、对已有数据的可视化展示

通常情况下，民营企业的数据是复杂的，无法一眼识别信息的。而BI则是将民营企业日常经营过程中产生的数据或者预先制好的报告用柱状图、折线图、漏斗图等可视化的方式表现出来，能够让业务人员识别关键信息。另外，通过钻取、联动、跳转等功能，能够进一步根据分项维度去查看进一步信息，找到产生问题的根源。

从上图的仪表盘中可以看出，预测的内容和业务部门的日常工作是紧密结合的，比如产品销售人员关心产品销售金额、回款额，HR关心离职率、入职时限，市场人员关心市场开拓率、合作客户数等，每个业务部门的预测基本上都会涉及复杂的计算逻辑和深刻的业务分项知识，光靠IT人员进行固定报表制作或者业务人员查看业务系统数据是完不成的，这里也进一步强调了BI是给业务人员和数据挖掘人员自助预测的辅助工具。

如上图这样一张仪表盘，不仅是可视化展现，更是一种业务预测思路，业务人员能够对业务有明确、直接的认识，也能更合理地依据数据进行决策。

2、对当前数据的监控预警

通常情况下，我们会通过颜色变化或者预警线设置的方式来进行“异常”检测。当业务人员从可视化图表中发现数据异常的时候，就需要有目的性的进行预测，通过关联报表的检查、不同维度报表的钻取查找可能存在的问题。

如上图，某产品三包费用发生异常，通过地图进行钻取之后，发现是江苏省、无锡市、锡山区的三包费用发生了异常，这时候我们可以再通过这个区域的三包费用情况，去探究是因为这个批次的产品质量都有问题，还是因为这个地区的特定使用场景导致的。

最终业务人员通过一次或者多次的维度和分项图表构建，逐步形成了一种比较可靠的、固化的预测模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通过”异常”数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高民营企业的经营效率。